CN111539686A - 基于车辆行驶记录可视化的运输管理监控方法 - Google Patents

Abstract

本发明公开了基于车辆行驶记录可视化的运输管理监控方法，选定相应的日期范围，并导入该日期范围的历史数据，所述历史数据包括时间标签和速度信息；所述数据清理包括去掉冗余时间标签和异常速度信息，并根据时间标签的先后顺序对数据清理后的速度信息进行排序；根据实际需求确定相应的时间窗口单位，从所述时间标签中生成实际日期和时间窗口单位两列特征计算各个所述时间窗口单位内车辆的平均速度生成数据表格，每个单元格中的数值即为该实际日期和时间窗口单位对应的平均速度。利用速度和工况间的关系，设计单一图表，间接揭示车辆行驶路径或运输业务在时间维度上的规律及变化，并方便分析人员进行车辆间业务形态的对比。

Description

基于车辆行驶记录可视化的运输管理监控方法

技术领域

本发明涉及运输管理技术领域，具体是一种基于车辆行驶记录可视化的运输管理监控方法。

背景技术

随着电子信息化在现代交通运输业的普及，车辆行驶过程的时间、地理、驾驶方式(速度、加减速等)及车辆状态信息都能有迹可循。业务场景方面，伴随着城镇化进程和电子商务的繁荣，同城及城际配送需求显著增加，且呈现出配送场景复杂多变，物流活动频繁，物流节点众多等特征。该类运输需求主要由配送公司(拥有多台车辆)，及个体运输者(自有或租赁车辆)来完成。相应地，配送公司业务人员需要同时管理调度多台车辆，或者车辆租赁公司需要监测多辆被租借车辆的使用状况以降低逃租或不当使用的风险。以上场景都属于一对多的关系，一个人需要同时监测多个管理对象。监测信息太多太杂，容易出现监测不准确、人工失误等情况，并造成监控方的相关损失。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于车辆行驶记录可视化的运输管理监控方法，以至少达到对管理对象的监测使用基于位置信息的实时监控，在地图上显示当前车辆所在位置，如有需要注意的异常情况再辅以文本信息加以提醒。若要同时掌握空间位置和时间维度上的信息，通常使用多张图表分别显示不同维度的信息，分析人员需要交叉对比多张图表提炼有效信息，以帮助决策判断。

本发明的目的是通过以下技术方案来实现的：

基于车辆行驶记录可视化的运输管理监控方法，包括以下步骤，

步骤S1：根据运输管理监控的实际需求，选定相应的日期范围，并导入该日期范围的历史数据，所述历史数据包括时间标签和速度信息；

步骤S2：在步骤S1的基础上，对历史数据进行数据清理，所述数据清理包括去掉冗余时间标签和异常速度信息，并根据时间标签的先后顺序对数据清理后的速度信息进行排序；

步骤S3：在步骤S2的基础上，对时间标签进行特征提取，根据实际需求确定相应的时间窗口单位，从所述时间标签中生成实际日期和时间窗口单位两列特征；

步骤S4：在步骤S3的基础上，当车辆处于行驶状态时，计算各个所述时间窗口单位内车辆的平均速度；

步骤S5：在步骤S4的基础上，生成数据表格，所述数据表格的行索引为实际日期，列索引为时间窗口单位，每个单元格中的数值即为该实际日期和时间窗口单位对应的平均速度；

步骤S6：在步骤S5的基础上，将所述数据表格转化为热力图，其中，横坐标为实际日期，纵坐标为时间窗口单位，每个单元格的颜色深浅代表对应平均速度的大小，颜色越深代表平均速度越大，选定该单元格时，可对应显示出相应的时间和平均速度信息。

进一步的，在步骤S1中，所述历史数据还包括刹车踏板信息和加速踏板信息。

进一步的，当车辆为电动汽车时，步骤S1中的速度信息可替换为电流信息。

进一步的，在步骤S2中，所述异常速度信息包括：速度小于零，速度超过最大速度阈值。

进一步的，在步骤S3中，所述时间窗口单位根据需求设置，可为：每小时、每半小时、每十五分钟或每分钟。

进一步的，在步骤S4中，判断车辆处于行驶状态满足以下其中之一即可：速度信息不为零，刹车踏板离开初始位置或加速踏板离开初始位置。

进一步的，判断车辆处于行驶状态的具体方法如下：

当速度信息为零时，若刹车踏板离开初始位置、加速踏板离开初始位置，则车辆处于行驶状态，且车辆处于异常行驶状态，发出异常行驶报警；

当速度信息为零时，若刹车踏板离开初始位置、加速踏板未离开初始位置，则车辆处于行驶状态，且车辆处于正常行驶状态；

当速度信息为零时，若刹车踏板未离开初始位置、加速踏板离开初始位置，则车辆处于行驶状态，且车辆处于异常行驶状态，发出异常行驶报警；

当速度信息不为零时，若刹车踏板离开初始位置、加速踏板离开初始位置，则车辆处于行驶状态，且车辆处于异常行驶状态，发出异常行驶报警；

当速度信息不为零时，若刹车踏板未离开初始位置、加速踏板离开初始位置，则车辆处于行驶状态，且车辆处于正常行驶状态；

当速度信息不为零时，若刹车踏板离开初始位置、加速踏板未离开初始位置，则车辆处于行驶状态，且车辆处于正常行驶状态；

当速度信息不为零时，若刹车踏板未离开初始位置、加速踏板未离开初始位置，则车辆处于行驶状态，且车辆处于正常行驶状态。

进一步的，获取与步骤1中所述日期范围并列的多个日期区间，采用同样的方式得到该多个日期区间的车辆正常行驶的速度信息集、刹车踏板信息集、加速踏板信息集、时间窗口单位集、平均速度集和实际日期集，并将上述速度信息集、刹车踏板信息集、加速踏板信息集、时间窗口单位集、平均速度集和实际日期集作为样本集，在所述样本集中，速度信息集、刹车踏板信息集、加速踏板信息集和时间窗口单位集进行特征融合后作为输入，平均速度集和实际日期集作为输出，将所述样本集分为训练集和测试集，对所述训练集进行训练得到运输管理监控模型，将测试集代入所述运输管理监控模型测试得到优化运输管理监控模型，当需要对步骤1中所述日期范围以及上述多个日期区间以外的记录的日期范围进行分析时，将该日期范围内记录的速度信息集、刹车踏板信息集、加速踏板信息集和时间窗口单位集进行特征融合后作为实际输入信息输入至所述优化运输管理监控模型，然后所述优化运输管理监控模型输出相应的实际平均速度集和实际日期集来供运输管理监控分析使用。

进一步的，在得到实际平均速度集和实际日期集之后，还包括一个验证检验步骤，具体为：

当所述优化运输管理监控模型输出相应的实际平均速度集和实际日期集时，将其对应的速度信息集、刹车踏板信息集、加速踏板信息集和时间窗口单位按照步骤S4的方法计算出实际日期集对应的验证平均速度集；

将所述实际平均速度集与所述验证平均速度集进行比较判断；

若所述实际平均速度集与所述验证平均速度集一一对应相等，则所述优化运输管理监控模型的输出结果正确；

否则，所述优化运输管理监控模型的输出结果异常，同时进行输出异常报警，并将所述验证平均速度集替换所述优化运输管理监控模型输出的实际平均速度集。

本发明的有益效果是：1、使用单一图表支持快速、大容量时间空间维度信息的分析和理解，可实现同一车辆在时间维度上业务规律的纵向比较，以及不同车辆间业务形态的横向。交互式(此处使用ECharts)可视化设计，在呈现直观的全景式信息对比的同时可提供每个节点具体的时间和速度信息方便分析人员进一步的深入分析。另外，该技术对车载数据采集设备要求低，只需要时间和速度两个维度的信息，通过速度反映工况从而间接反映路径或运输业务场景的相似性，且通过使用给定时间窗口长度内(比如，每小时)的平均速度降低对各个时间点数据准确度的要求。

2、采用神经网络模型这种方式可以实现车辆运输的快速分析，便于管理监控智能化，同时也较大程度地减少了人工误差对分析监控结果的影响。

3、通过上述验证检验步骤，可以有效对上述车辆运输分析监控过程进行准确性验证检验，虽然通过优化运输管理监控模型得到实际平均速度集的速度远远快于准确性验证检验步骤计算过程，但是，前者正常动作，正常通过优化运输管理监控模型得到实际平均速度集，而后者也进行准确性验证检验步骤，二者同时进行互不影响，后者虽然速度慢一点，但是也对前者的结果提供了相应的保障，可以及时发现异常的分析结果，使车辆运输的管理人员可以及时发现并处理；是优化运输管理监控模型强有力的验证工具。

附图说明

图1为本发明一个实施例的操作流程图；

图2为本发明一个实施例的应用案列示意图；

图3为本发明一个实施例的具体步骤流程示意图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

实施例：

随着电子信息化在现代交通运输业的普及，车辆行驶过程的时间、地理、驾驶方式(加减速等)及车辆状态信息都能有迹可循。业务场景方面，伴随着城镇化进程和电子商务的繁荣，同城及城际配送需求显著增加，且呈现出配送场景复杂多变，物流活动频繁，物流节点众多等特征。该类运输需求主要由配送公司(拥有多台车辆)，及个体运输者(自有或租赁车辆)来完成。相应地，配送公司业务人员需要同时管理调度多台车辆，或者车辆租赁公司需要监测多辆被租借车辆的使用状况以降低逃租或不当使用的风险。以上场景都属于一对多的关系，一个人需要同时监测多个管理对象。监测信息太多太杂，容易出现监测不准确、人工失误等情况，并造成监控方的相关损失。因此，提出一种基于车辆行驶记录可视化的运输管理监控方法，以至少达到对管理对象的监测使用基于位置信息的实时监控，在地图上显示当前车辆所在位置，如有需要注意的异常情况再辅以文本信息加以提醒。若要同时掌握空间位置和时间维度上的信息，通常使用多张图表分别显示不同维度的信息，分析人员需要交叉对比多张图表提炼有效信息，以帮助决策判断。具体内容如下，

如图1和图3所示，基于车辆行驶记录可视化的运输管理监控方法，包括以下步骤，

步骤S1：根据运输管理监控的实际需求，选定相应的日期范围，并导入该日期范围的历史数据，所述历史数据包括时间标签和速度信息；

步骤S2：在步骤S1的基础上，对历史数据进行数据清理，所述数据清理包括去掉冗余时间标签和异常速度信息，并根据时间标签的先后顺序对数据清理后的速度信息进行排序；

步骤S3：在步骤S2的基础上，对时间标签进行特征提取，根据实际需求确定相应的时间窗口单位，从所述时间标签中生成实际日期和时间窗口单位两列特征；

步骤S4：在步骤S3的基础上，当车辆处于行驶状态时，计算各个所述时间窗口单位内车辆的平均速度；

基于上述方案，还存在一定的局限性，其局限体现在以下三个方面：

1)对于同一车辆，不便于在较长时间维度下(比如三小时及以上)查看其行车轨迹，由于在主要节点或路段的往返经过或每日相似运输路径导致轨迹重叠，一方面会覆盖之前的历史信息，另一方面无法提供时间维度上的变化过程。

2)不支持车辆间的横向对比，在同一制图页面下进行多车多路径展示一方面不支持时间维度上的对比，另一方面由于节点交叉或覆盖会降低分析人员对信息的敏感度。

3)不支持时间维度上的纵向对比，以反应其使用过程中的规律和变化。多张图表分别显示不同维度的信息，其局限在于不能直观反映维度间的相互关联，对分析人员的信息对比和整合能力要求高。

步骤S5：在步骤S4的基础上，生成数据表格，所述数据表格的行索引为实际日期，列索引为时间窗口单位，每个单元格中的数值即为该实际日期和时间窗口单位对应的平均速度；

步骤S6：在步骤S5的基础上，将所述数据表格转化为热力图，其中，横坐标为实际日期，纵坐标为时间窗口单位，每个单元格的颜色深浅代表对应平均速度的大小，颜色越深代表平均速度越大，选定该单元格时，可对应显示出相应的时间和平均速度信息。该热力图每一列，反映了该日期车辆出车及收车时间，以及运输路线的工况；每列间，反映了该车辆业务形态或运输路线的规律及变化(详见图2示例)。对应单元格颜色越深代表该时刻下平均速度越大。针对1号车辆，分析人员可发现该车辆运输业务相对规律。每天凌晨出车，通过高速行驶路段(如绕城、高速)接下来会有1-2小时的未行驶状态(对应于集散仓库的取货点)，然后再次经过高速行驶路段，等到天亮后，开始低速行驶过程(对应于城区内配送)，中午收车。其中2018年8月期间有一段时间无车辆记录，可能由于休息或车载设备故障，相关人员可以进一步对照其他记录信息分析原因。而对于2号车，通过将其速度分布热力图与1号车对应的热力图进行比较，可以看出，2号车的运输业务形态与1号车辆有较大的区别。2号车的动态就比较杂乱，没有一定的规律，但是通过对应的热力图仍然可以看出2号车的相关信息，可以照常实行车辆运输管理监控过程。

使用单一图表支持快速、大容量时间空间维度信息的分析和理解，可实现同一车辆在时间维度上业务规律的纵向比较，以及不同车辆间业务形态的横向。交互式(此处使用ECharts)可视化设计，在呈现直观的全景式信息对比的同时可提供每个节点具体的时间和速度信息方便分析人员进一步的深入分析。另外，该技术对车载数据采集设备要求低，只需要时间和速度两个维度的信息，通过速度反映工况从而间接反映路径或运输业务场景的相似性，且通过使用给定时间窗口长度内(比如，每小时)的平均速度降低对各个时间点数据准确度的要求。

进一步的，在步骤S1中，所述历史数据还包括刹车踏板信息和加速踏板信息。

进一步的，当车辆为电动汽车时，步骤S1中的速度信息可替换为电流信息。电流信息即可反应电动汽车的速度信息。

进一步的，在步骤S2中，所述异常速度信息包括：速度小于零，速度超过最大速度阈值等，明显不符合实际情况的速度信息均为异常速度信息，需要全部去除，否则会对后续的分析造成较大的误差。

进一步的，在步骤S3中，所述时间窗口单位根据需求设置，可为：每小时、每半小时、每十五分钟或每分钟等。

进一步的，在步骤S4中，判断车辆处于行驶状态满足以下其中之一即可：速度信息不为零，刹车踏板离开初始位置或加速踏板离开初始位置，将这三种情况根据实际驾驶情况进行详细讨论。

进一步的，判断车辆处于行驶状态的具体方法如下：

当速度信息为零时，若刹车踏板离开初始位置、加速踏板离开初始位置，则车辆处于行驶状态，且车辆处于异常行驶状态，发出异常行驶报警；

当速度信息为零时，若刹车踏板离开初始位置、加速踏板未离开初始位置，则车辆处于行驶状态，且车辆处于正常行驶状态；

当速度信息为零时，若刹车踏板未离开初始位置、加速踏板离开初始位置，则车辆处于行驶状态，且车辆处于异常行驶状态，发出异常行驶报警；

当速度信息不为零时，若刹车踏板离开初始位置、加速踏板离开初始位置，则车辆处于行驶状态，且车辆处于异常行驶状态，发出异常行驶报警；

当速度信息不为零时，若刹车踏板未离开初始位置、加速踏板离开初始位置，则车辆处于行驶状态，且车辆处于正常行驶状态；

当速度信息不为零时，若刹车踏板离开初始位置、加速踏板未离开初始位置，则车辆处于行驶状态，且车辆处于正常行驶状态；

当速度信息不为零时，若刹车踏板未离开初始位置、加速踏板未离开初始位置，则车辆处于行驶状态，且车辆处于正常行驶状态。

进一步的，获取与步骤1中所述日期范围并列的多个日期区间，采用同样的方式得到该多个日期区间的车辆正常行驶的速度信息集、刹车踏板信息集、加速踏板信息集、时间窗口单位集、平均速度集和实际日期集，并将上述速度信息集、刹车踏板信息集、加速踏板信息集、时间窗口单位集、平均速度集和实际日期集作为样本集，在所述样本集中，速度信息集、刹车踏板信息集、加速踏板信息集和时间窗口单位集进行特征融合后作为输入，平均速度集和实际日期集作为输出，将所述样本集分为训练集和测试集，对所述训练集进行训练得到运输管理监控模型，将测试集代入所述运输管理监控模型测试得到优化运输管理监控模型，当需要对步骤1中所述日期范围以及上述多个日期区间以外的记录的日期范围进行分析时，将该日期范围内记录的速度信息集、刹车踏板信息集、加速踏板信息集和时间窗口单位集进行特征融合后作为实际输入信息输入至所述优化运输管理监控模型，然后所述优化运输管理监控模型输出相应的实际平均速度集和实际日期集来供运输管理监控分析使用。采用这种方式可以实现车辆运输的快速分析，便于管理监控智能化，同时也较大程度地减少了人工误差对分析监控结果的影响。

进一步的，在得到实际平均速度集和实际日期集之后，还包括一个验证检验步骤，具体为：

当所述优化运输管理监控模型输出相应的实际平均速度集和实际日期集时，将其对应的速度信息集、刹车踏板信息集、加速踏板信息集和时间窗口单位按照步骤S4的方法计算出实际日期集对应的验证平均速度集；

将所述实际平均速度集与所述验证平均速度集进行比较判断；

若所述实际平均速度集与所述验证平均速度集一一对应相等，则所述优化运输管理监控模型的输出结果正确；

否则，所述优化运输管理监控模型的输出结果异常，同时进行输出异常报警，并将所述验证平均速度集替换所述优化运输管理监控模型输出的实际平均速度集。

通过上述验证检验步骤，可以有效对上述车辆运输分析监控过程进行准确性验证检验，虽然通过优化运输管理监控模型得到实际平均速度集的速度远远快于准确性验证检验步骤计算过程，但是，前者正常动作，正常通过优化运输管理监控模型得到实际平均速度集，而后者也进行准确性验证检验步骤，二者同时进行互不影响，后者虽然速度慢一点，但是也对前者的结果提供了相应的保障，可以及时发现异常的分析结果，使车辆运输的管理人员可以及时发现并处理；是优化运输管理监控模型强有力的验证工具。

同时，在上述方案的基础上，还设置有定位验证检验步骤，具体为：

获取车辆的实时地理位置信息，以及车辆经过地点的地图信息；

根据车辆在所述地图信息上的实时地理位置信息，以及车辆的实时移动信息，计算车辆的定位平均速度集；

将所述定位平均速度集与所述实际平均速度集进行验证检验，判断二者是否一致。

将所述定位验证检验步骤和所述验证检验步骤进行对比，若二者判断一致，则以其中任意一致验证检验结果为准；若二者不一致，则向管理人员发出报警，进行相应的人工验证检验。

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (9)

1.基于车辆行驶记录可视化的运输管理监控方法，其特征在于：包括以下步骤，

步骤S1：根据运输管理监控的实际需求，选定相应的日期范围，并导入该日期范围的历史数据，所述历史数据包括时间标签和速度信息；

步骤S2：在步骤S1的基础上，对历史数据进行数据清理，所述数据清理包括去掉冗余时间标签和异常速度信息，并根据时间标签的先后顺序对数据清理后的速度信息进行排序；

步骤S3：在步骤S2的基础上，对时间标签进行特征提取，根据实际需求确定相应的时间窗口单位，从所述时间标签中生成实际日期和时间窗口单位两列特征；

步骤S4：在步骤S3的基础上，当车辆处于行驶状态时，计算各个所述时间窗口单位内车辆的平均速度；

步骤S5：在步骤S4的基础上，生成数据表格，所述数据表格的行索引为实际日期，列索引为时间窗口单位，每个单元格中的数值即为该实际日期和时间窗口单位对应的平均速度；

步骤S6：在步骤S5的基础上，将所述数据表格转化为热力图，其中，横坐标为实际日期，纵坐标为时间窗口单位，每个单元格的颜色深浅代表对应平均速度的大小，颜色越深代表平均速度越大，选定该单元格时，可对应显示出相应的时间和平均速度信息。

2.根据权利要求1所述的基于车辆行驶记录可视化的运输管理监控方法，其特征在于：在步骤S1中，所述历史数据还包括刹车踏板信息和加速踏板信息。

3.根据权利要求2所述的基于车辆行驶记录可视化的运输管理监控方法，其特征在于：当车辆为电动汽车时，步骤S1中的速度信息可替换为电流信息。

4.根据权利要求2所述的基于车辆行驶记录可视化的运输管理监控方法，其特征在于：在步骤S2中，所述异常速度信息包括：速度小于零，速度超过最大速度阈值。

5.根据权利要求4所述的基于车辆行驶记录可视化的运输管理监控方法，其特征在于：在步骤S3中，所述时间窗口单位根据需求设置，可为：每小时、每半小时、每十五分钟或每分钟。

6.根据权利要求5所述的基于车辆行驶记录可视化的运输管理监控方法，其特征在于：在步骤S4中，判断车辆处于行驶状态满足以下其中之一即可：速度信息不为零，刹车踏板离开初始位置或加速踏板离开初始位置。

7.根据权利要求5所述的基于车辆行驶记录可视化的运输管理监控方法，其特征在于：判断车辆处于行驶状态的具体方法如下：

当速度信息为零时，若刹车踏板离开初始位置、加速踏板离开初始位置，则车辆处于行驶状态，且车辆处于异常行驶状态，发出异常行驶报警；

当速度信息为零时，若刹车踏板离开初始位置、加速踏板未离开初始位置，则车辆处于行驶状态，且车辆处于正常行驶状态；

当速度信息为零时，若刹车踏板未离开初始位置、加速踏板离开初始位置，则车辆处于行驶状态，且车辆处于异常行驶状态，发出异常行驶报警；

当速度信息不为零时，若刹车踏板离开初始位置、加速踏板离开初始位置，则车辆处于行驶状态，且车辆处于异常行驶状态，发出异常行驶报警；

当速度信息不为零时，若刹车踏板未离开初始位置、加速踏板离开初始位置，则车辆处于行驶状态，且车辆处于正常行驶状态；

当速度信息不为零时，若刹车踏板离开初始位置、加速踏板未离开初始位置，则车辆处于行驶状态，且车辆处于正常行驶状态；

当速度信息不为零时，若刹车踏板未离开初始位置、加速踏板未离开初始位置，则车辆处于行驶状态，且车辆处于正常行驶状态。

8.根据权利要求7所述的基于车辆行驶记录可视化的运输管理监控方法，其特征在于：获取与步骤1中所述日期范围并列的多个日期区间，采用同样的方式得到该多个日期区间的车辆正常行驶的速度信息集、刹车踏板信息集、加速踏板信息集、时间窗口单位集、平均速度集和实际日期集，并将上述速度信息集、刹车踏板信息集、加速踏板信息集、时间窗口单位集、平均速度集和实际日期集作为样本集，在所述样本集中，速度信息集、刹车踏板信息集、加速踏板信息集和时间窗口单位集进行特征融合后作为输入，平均速度集和实际日期集作为输出，将所述样本集分为训练集和测试集，对所述训练集进行训练得到运输管理监控模型，将测试集代入所述运输管理监控模型测试得到优化运输管理监控模型，当需要对步骤1中所述日期范围以及上述多个日期区间以外的记录的日期范围进行分析时，将该日期范围内记录的速度信息集、刹车踏板信息集、加速踏板信息集和时间窗口单位集进行特征融合后作为实际输入信息输入至所述优化运输管理监控模型，然后所述优化运输管理监控模型输出相应的实际平均速度集和实际日期集来供运输管理监控分析使用。

9.根据权利要求8所述的基于车辆行驶记录可视化的运输管理监控方法，其特征在于：在得到实际平均速度集和实际日期集之后，还包括一个验证检验步骤，具体为：

当所述优化运输管理监控模型输出相应的实际平均速度集和实际日期集时，将其对应的速度信息集、刹车踏板信息集、加速踏板信息集和时间窗口单位按照步骤S4的方法计算出实际日期集对应的验证平均速度集；

将所述实际平均速度集与所述验证平均速度集进行比较判断；

若所述实际平均速度集与所述验证平均速度集一一对应相等，则所述优化运输管理监控模型的输出结果正确；

否则，所述优化运输管理监控模型的输出结果异常，同时进行输出异常报警，并将所述验证平均速度集替换所述优化运输管理监控模型输出的实际平均速度集。

Images